如需從頭到尾實作向量搜尋的逐步教學課程，請參閱「執行向量搜尋」指南。
調整參數
下列索引和查詢參數可用來找出合適的召回率和每秒查詢次數 (QPS) 平衡點。
| 調整參數 | 說明 | 選項類型 |
|---|---|---|
mode |
將 ScaNN 索引定義為自動調整或手動調整的索引。可用的選項如下：
詳情請參閱「建立 ScaNN 索引」。 |
建立索引 (選填) |
max_num_levels |
K-means 分群樹狀結構的群集中心層級數量上限。如需設定這個值的指南，請參閱「調整 ScaNN 索引」。 可用的值如下：
如果將 |
建立索引 (選填) |
num_leaves |
要套用至這個索引的分區數量。最大值為 30000000。如要進一步瞭解如何選擇這個值，請參閱「調整 ScaNN 索引」和「調整 ScaNN 索引的最佳做法」。 |
建立索引 (手動調整的索引必須提供這項資訊) |
quantizer |
要用於 K-means 樹狀結構的量化器類型。預設值設為 SQ8，可提供更佳的查詢效能，且喚回度損失極低 (通常低於 1% 至 2%)。如果需要 99% 以上的喚回度，請設為 FLAT。 |
建立索引 (選用) |
scann.enable_pca |
啟用主成分分析 (PCA)，這是一種維度縮減技術，可盡可能自動縮減嵌入的大小。這個選項預設為啟用。 如果發現喚回度下降，請設為 false。 |
建立索引 (選用) |
auto_maintenance |
自動維護 ScaNN 索引，以便在資料集增加時，讓 AlloyDB Omni 分析及更新群集中心，並分割大型離群值分區。這會自動改善 QPS 和搜尋結果。詳情請參閱「自動維護索引」。 |
建立索引 (選填) |
scann.pct_leaves_to_search |
自動管理向量索引搜尋的分區數量。詳情請參閱「搜尋分區百分比」。 | |
scann.num_leaves_to_search
|
要搜尋的分區絕對數量。這樣您就能在查詢召回率和 QPS 之間取捨。預設值為 值越高，查詢喚回度越高，但 QPS 越低。同樣地，值越低，查詢喚回率越差，但 QPS 越好。 |
查詢執行階段 (選填) |
scann.pre_reordering_num_neighbors
|
初始搜尋識別出一組候選項目後，指定要在重新排序階段考慮的候選鄰點數量。將這個參數設為大於查詢要傳回的鄰居數。值越高，喚回率就越好，但 QPS 會降低。
預設值為 |
查詢執行階段 (選填) |
scann.num_search_threads |
多執行緒搜尋的搜尋器執行緒數量。在對延遲時間要求嚴格的應用程式中，使用多個執行緒進行 ScaNN ANN 搜尋，有助於縮短單一查詢的延遲時間。如果資料庫已受 CPU 限制，這項設定不會改善單一查詢延遲時間。預設值為 2。 |
查詢執行階段 (選用) |
|
設為 relaxed_order 時，資料庫旗標會解決檢索率不足的問題。如果查詢的觀察召回率低於目標召回率，就可能發生召回率不足的情況，使用篩選器時更容易發生這種情況。這項設定可讓向量掃描持續搜尋，直到找到足夠的結果，不受 num_leaves_to_search 限制，有助於達到目標喚回度。 |
查詢執行階段 (選用) |
|
這個資料庫旗標會設定上限，限制在啟用 scann.satisfy_limit 的情況下執行查詢時，可造訪的葉節點總數百分比。這是唯一可用的 GUC 上限，適用於自動和手動搜尋模式。這可防止搜尋超出範圍，以免效能大幅降低。這項設定適用於 scann.satisfy_limit 啟用時。你可以將這項參數設為 0 到 100 之間的任何值。預設值為 15%。這個預設值的依據是，如果搜尋需要檢查超過 15% 的葉節點，篩選器可能就夠精確，近似最鄰近搜尋 (ANN) 不會帶來好處，因此預先篩選 K 近鄰 (KNN) 會是更合適的選擇。 |
查詢執行階段 (選用) |